摘要：目的受遮挡与累积误差因素的影响,现有目标6维(6 dimensions,6D)姿态实时追踪方法在复杂场景中表现不佳。为此,提出了一种高鲁棒性的刚体目标6D姿态实时追踪网络。方法在网络的整体设计上,将当前帧彩色图像和深度图像(red green blue-depth map,RGB-D)与前一帧姿态估计结果经升维残差采样滤波和特征编码处理获得姿态差异,与前一帧姿态估计结果共同计算目标当前的6D姿态;在残差采样滤波模块的设计中,采用自门控swish(searching for activation functions)激活函数保留目标细节特征,提高目标姿态追踪的准确性;在特征聚合模块的设计中,将提取的特征分解为水平与垂直两个方向分量,分别从时间和空间上捕获长程依赖并保留位置信息,生成一组具有位置与时间感知的互补特征图,加强目标特征提取能力,从而加速网络收敛。结果实验选用YCBVideo(Yale-CMU-Berkeley-video)和YCBInEoAT(Yale-CMU-Berkeley in end-of-arm-tooling)数据集。实验结果表明,本文方法追踪速度达到90.9 Hz,追踪精度模型点平均距离(average distance of model points,ADD)和最近点的平均距离(average closest point distance,ADD-S)分别达到93.24及95.84,均高于同类相关方法。本文方法的追踪精度指标ADD和ADD-S在追踪精度和追踪速度上均领先于目前其他的刚体姿态追踪方法,与se(3)-TrackNet网络相比,本文方法在6000组少量合成数据训练的条件下分别高出25.95和30.91,在8000组少量合成数据训练的条件下分别高出31.72和28.75,在10000组少量合成数据训练的条件下分别高出35.57和21.07,且在严重遮挡场景下能够实现对目标的高鲁棒6D姿态追踪。结论本文网络在合成数据驱动条件下,可以更好地完成实时准确追踪目标6D姿态,网络收敛速度快,实验结果验证了本文方法的有效性。

摘要：目的 近年来,采用神经网络完成人像实时抠图已成为计算机视觉领域的研究热点,现有相关网络在处理高分辨率视频时还无法满足实时性要求,为此本文提出一种结合背景图的高分辨率视频人像实时抠图网络。方法 给出一种由基准网络和精细化网络构成的双层网络,在基准网络中,视频帧通过编码器模块提取图像的多尺度特征,采用金字塔池化模块融合这些特征作为循环解码器网络的输入;在循环解码器中,通过残差门控循环单元聚合连续视频帧间的时间信息,以此生成蒙版图、前景残差图和隐藏特征图,采用残差结构降低模型参数量并提高网络的实时性。为提高高分辨率图像实时抠图性能,在精细化网络中,设计高分辨率信息指导模块,通过高分辨率图像信息指导低分辨率图像的方式生成高质量人像抠图结果。结果 与近年来的相关网络模型进行实验对比,实验结果表明,本文方法在高分辨率数据集Human2K上优于现有相关方法,在评价指标(绝对误差、均方误差、梯度、连通性)上分别提升了18.8%、39.2%、40.7%、20.9%。在NVIDIA GTX 1080Ti GPU上处理4 K分辨率影像运行速率可达26帧/s,处理HD(high definition)分辨率影像运行速率可达43帧/s。结论 本文模型能够更好地完成高分辨率人像实时抠图任务,可以为影视、短视频社交以及网络会议等高级应用提供更好的支持。

摘要：针对光伏发电系统中光伏组件电压等级的提升,提出一种集成有源开关电感和Y源倍压单元的高增益DC-DC变换器。所提变换器能够实现低开关管电压应力,具有高自由度电压调节能力,在满足一定升压条件下仍能保证电路的效率,在光伏发电中具有较大的应用潜力。对变换器的工作模态、器件电压电流应力、参数设计和损耗效率进行详细阐述。最后通过实验验证所提拓扑结构的可行性。

摘要：当前功率放大器在输出效率、输出功率以及线性度等方面不能很好地兼顾,针对这一问题,在三级级联放大方法的基础上,提出了一种基于功率合成器和功率分配器的AB类射频功率放大器。针对线性度和增益的问题,带通匹配和T型网络匹配技术对前置驱动级电路进行了优化设计;利用功率合成技术解决了末级放大器输出功率过大的问题,并且使功率放大器的稳定性和效率得到了保证。为防止功放的温度过高,对功率放大器腔体进行了热特性分析,最高温度为81℃,可以使功放得到良好的降温。在室温测试环境下,当中心频点为2.45 GHz时,射频功率放大器的输出功率为47 dBm,放大增益为42 dB,最大功率附加效率大于45%。测试结果与仿真结果相近,为后续放大器的研究与设计提供了一定的指导。

摘要：为了解决基于模型的永磁同步电机调速系统易受外部负载扰动影响的问题,实现转速的高性能控制,提出自耦合无模型滑模级联式统一化控制策略。考虑参数不确定性以及内外扰动,建立了永磁同步电机双环超局部矢量模型。在传统无模型滑模控制器的基础上,通过选取比例双重积分滑模面设计了级联式无模型滑模速度、电流控制器,有效减小了转速的稳态误差。通过设计速度因子解决了控制器比例积分增益整定不合理的问题,同时采用扩张状态观测器对超局部模型中的未知部分进行估计并进行前馈补偿,设计了基于扩张状态观测器的永磁同步电机自耦合无模型滑模控制调速系统。通过与PI控制及传统无模型滑模控制的对比仿真与实验分析,验证了所提控制策略的可行性与有效性。

摘要：为了解决传统变换器电压增益低的问题,将Boost变换器与Cuk变换器进行并联集成,并利用耦合电感倍压技术提高变换器的电压增益。设计而成的高增益耦合电感组合Boost-Cuk变换器保留了Cuk变换器输出电流的连续性,新型结构中使用无源钳位来吸收漏感能量,对寄生电容与漏感谐振引起的电压尖峰起到约束作用,降低了开关管的电压应力。描述了变换器电感电流连续模式(Continuous current mode,CCM)下的运行特点,并进行了该变换器的参数设计。最后,通过搭建一台100 W的试验样机来求证理论的正确性。

摘要：考虑永磁同步电机调速控制系统中传统电流环数学模型的耦合非线性,结合无模型控制的优势,提出了一种基于扩展滑模观测器(extended sliding mode disturbance observer,ESMDO)的级联双模型永磁同步电机鲁棒控制方法,有效解决了传统PI控制器的鲁棒性差、动态响应慢的问题。首先,在转速环利用传统永磁同步电机数学模型设计了引入自校正开关增益的离散滑模转速控制器,通过离散的ESMDO观测综合扰动项并进行补偿。然后,在考虑电机参数的不确定性和外部扰动的情况下,建立了电流环超局部模型,设计了基于离散的ESMDO的无模型无差拍电流预测控制器。最后,以PI控制为对比方法进行仿真分析,仿真结果表明了所提方法的可行性与有效性。

摘要：为了解决复杂环境下电力巡检无人机对输电线路鸟巢识别精度低、错检漏检率高、定位不准等问题,在YOLOv5s模型的基础上,提出一种用于输电线路鸟巢目标检测的改进YOLO-nc-kd模型。设计一种高效的多尺度卷积特征融合模块(MCFFM),实现不同尺度下的高效特征提取,使模型能获得更加丰富和多样化的特征表示。引入注意力机制,提升主干网络在相似环境背景下的鸟巢特征提取能力。设计改进的定位损失函数,提高边界框的定位精度和小目标检测能力。使用知识蒸馏技术,进一步提升模型精度。实验结果表明,改进YOLO-nc-kd模型的准确率、召回率以及平均精度均值(m AP)相较于YOLOv5s模型分别提升了7.3、5.6、4.9个百分点,具有较好的输电线路鸟巢目标图像检测效果。

摘要：为提高表贴式永磁同步电机(Surface permanent magnet synchronous motor,SPMSM)在参数变化和外部扰动下的鲁棒性,提出一种基于扩张状态观测器的无模型快速超螺旋滑模预测控制方法。首先,建立SPMSM参数摄动时的新型超局部模型。其次,采用改进的超螺旋算法作为辅助控制率设计转速环无模型超螺旋滑模反馈控制器,同时利用复合的扩张扰动观测器估计超局部模型中的未知部分,并通过Lyapunov稳定性理论证明了控制器和观测器的稳定性。电流环应用无差拍电流预测控制策略,结合扩张状态观测器对扰动量进一步估计并进行前馈补偿,使电流环具有更好的动态响应和更小的谐波分量。仿真试验结果表明,所提方法可有效提高系统响应速度,改善SPMSM在发生参数漂移和外部扰动下的暂稳态性能,降低电流总谐波畸变率,提升系统鲁棒性和抗干扰性能。

摘要：在采用内环矢量控制(Field orientation control,FOC)和外环经典比例积分(Proportional integral,PI)控制的永磁同步电机(Permanent magnet synchronous motor,PMSM)驱动系统中,容易出现外部扰动检测精度低、抖振、速度环超调大等不确定性缺陷。为了解决PI控制的抖振缺点,提高系统抗干扰性,提出了一种积分超螺旋滑模控制(Integral super twisting sliding mode controller,ISTSMC)。为了实现无位置传感器控制以及电机转速与位置的在线估计,采用基于扩展卡尔曼滤波(Extended Kalmanfilter,EKF)的滑模观测器,并且设计了一种分段正弦型函数代替传统的基于sgn函数的滑模观测器降低抖振现象。在Matlab/Simulink仿真下,分析了该系统在各种故障扰动、反转运行和负载扰动下的速度响应和检测精度能力。结果证明了所提系统的可行性以及优越的动态性能。